2026年机器学习工程师考试题库（附答案和详细解析）（0501）.docxVIP

机器学习工程师考试试卷

一、单项选择题（共10题，每题1分，共10分）

在监督学习中，以下哪项是分类问题的常用损失函数？

A.均方误差（MSE）

B.交叉熵损失（Cross-Entropy）

C.绝对误差（MAE）

D.均方根误差（RMSE）

答案：B

解析：交叉熵损失函数常用于分类问题（如逻辑回归或神经网络分类层），因为它能有效度量预测概率与实际标签之间的差异。选项A、C和D主要用于回归问题（如线性回归），其中MSE是连续值预测的常用损失函数，不适用于分类任务。

主成分分析（PCA）的主要目的是什么？

A.提高模型的准确率

B.特征降维

C.聚类数据

D.增强模型的可解释性

答案：B

解析：PCA是一种无监督学习方法，通过线性变换将高维特征投影到低维空间，保留数据主要方差以降低维度。选项A和D是降维的潜在效果但非直接目的；选项C错误，因为聚类是K-means等算法的任务，PCA不直接用于聚类。

决策树中，用于计算特征分裂质量的常用指标是什么？

A.准确率

B.信息增益

C.相关系数

D.召回率

答案：B

解析：信息增益（基于熵）或基尼指数是决策树中衡量特征分裂质量的指标，用于选择分裂点以提高纯度。选项A和D是模型评估指标而非分裂标准；选项C用于特征相关性分析，不直接用于决策树分裂。

在神经网络中，ReLU激活函数的主要优点是什么？

A.输出范围在0-1之